FX168财经网_全球视野外汇黄金加密货币NFT资讯网

苹果与谷歌积极洽谈或将Gemini AI引入iPhone 股价应声大涨7%

提到，苹果最近与人工智能领域的另一巨头OpenAI进行了接触，并考虑使用其模式。然而，目前“双方尚未决定人工智能协议的条款或品牌，也没有最终确定如何实施。”

金融界2024-03-19

Airbnb前高管Chris Lehane据悉将加入OpenAI

hane据悉将以高级管理人员的身份加入OpenAI。

金融界2024-03-19

资深政治人士正接近达成加盟OpenAI担任高管的协议

Chris Lehane正接近达成加盟OpenAI担任高管的协议。据悉，雷恩已经为首席执行官奥特曼(Sam Altman)提供了一年多的顾问服务，包括处理他在11月临时下台的事宜，并补充说，有关他加盟的讨论尚未最终确定，可能会破裂。

金融界2024-03-19

苹果、谷歌盘前上涨，两家公司商讨人工智能合作

提供支持。知情人士还称，苹果最近还与OpenAI进行了讨论，并考虑使用其模型。不过知情人士表示，苹果与谷歌双方尚未决定人工智能协议的条款或品牌，也没有最终确定协议的实施方式。

金融界2024-03-18

中国罕见利好、市场为何更不安？！日本“黑天鹅”来了，美联储绝对重磅

能提供动力。知情人士还称，苹果最近还与OpenAI进行了讨论，并考虑使用其模型。中国罕见利好在亚洲，日经225指数创下一个月来的最大涨幅，上海蓝筹股指数收盘上涨约1%。周一发布的官方数据显示，中国1-2月份的工业产出和零售额好于预期，这标志着2024年的一个坚实开端，也让担心房地产泡沫持续破裂拖累经济的政策制定者松了气。前两个月工业产出增长7%，这是近两年来最快的增长。零售额从去年12月的7.4%降至5.5%，但也略高于预期。中国工业和零售业罕见的利好消息令利率和能源市场更加不安，这加大了本周主要央行会议的风险。尽管股市继续回避过去一周借贷利率的反弹——这一反弹是由顽固的通胀数据以及更为光明的增长和盈利信号引发的——但中国经济复苏更为显著的前景，可能会给这种微妙的平衡增加压力。中国股市收于年内最高水平，自2月初以来已经收复了去年跌幅的12%。因此，全球股市和美国期货在繁忙的一周开始时表现更为积极。但对通胀观察人士、各国央行和债券市场而言，中国经济强劲反弹对全球石油和大宗商品的影响正值关键时刻。美国、日本、英国、瑞士、挪威、澳大利亚、印度尼西亚、土耳其、巴西和墨西哥的央行本周都将举行会议，虽然许多央行预计将保持不变，但意外的可能性很大。日本一个时代的终结？更为光明的经济增长以及更为紧张的石油和通胀前景，也加大了日本央行明日做出决定的风险。周二可能见证一个时代的终结，因为市场普遍预期日本央行将结束持续八年的负利率政策，并停止或修改其收益率曲线控制政策。上周日本公布了30多年来最高的工资增长。日元兑美元走弱，有迹象表明市场已经消化了加息的可能性。 MFS Investment Management固定收益分析师Carl Ang表示：“无论是在3月还是4月，我们怀疑任何此类举措都将伴随谨慎的语气，更多地强调这是一种货币政策调整，而不是现阶段的紧缩。” Ang说：“对日本来说，对于一个不习惯加息的经济体来说，一条有步骤、循序渐进的政策正常化之路似乎是合适的，因此政策信息将至关重要。” 新加坡盛宝资本市场的策略师Charu Chanana表示：“受日元疲软的推动，日本股市正在上涨，市场预计，即使央行加息，日元也不会走强。” 美联储不容小觑主要焦点将在周三，届时美联储决策者将开会讨论一项决定，该决定有可能为下一季度全球股市定下基调。美联储本周不会降息，但他们的新经济预测可能是一个不确定因素——可能表明降息的幅度会更小，政策宽松的开始时间也会比他们此前估计的要晚。期货市场目前还没有完全定价美联储在7月之前全面降息，最快6月降息的可能性只有50%，全年仅降息75个基点。美国3月房屋建筑商信心指数将于周一晚些时候公布，但不太可能对本周美联储会议产生太大影响。美联储会议还可能开始讨论缩减资产负债表规模的可能性。高盛经济学家Jan Hatzius在一份报告中表示：“我们现在预计2024年将降息3次，此前为4次，主要是因为通胀路径略高。” 他仍然预计美联储将在6月开始降息，前提是通胀再次像预期的那样缓解，官员们将坚持他们的点阵图预测，即今年降息三次。 “主要风险在于，联邦公开市场委员会(FOMC)的参与者可能会更关注最近的通胀数据，而不太相信通胀将恢复此前的疲软趋势，”Hatzius继续说，“在这种情况下，他们可能会将2024年的核心个人消费支出通胀预测上调至2.5%，中位值显示降息两次。” 彭博指出，预计美联储本周还将开始正式讨论放缓债券销售的速度，可能将其减少一半，至每月300亿美元。尽管美联储主席鲍威尔(Jerome Powell)暗示，美联储已接近有信心降息，但债券交易员似乎已经痛苦地屈服于更高利率持续更长时间的现实。 10年期美国国债收益率周一守在近三周高位，上周已上涨逾20个基点。美元指数保持稳定。包括Michael Gapen在内的美国银行经济学家在给客户的报告中写道：“美联储对通胀的信心可能不如以前，但对反通胀趋势仍有信心。” 本周其他方面，澳洲联储将继续按兵不动，印尼央行和英国央行也将公布政策决定。欧元区通胀数据以及Reddit Inc.的首次公开募股(IPO)也将公布。大宗商品方面，油价在创下一个月来最大单周涨幅的基础上再创4个月新高，原因是中国的宏观经济数据好于预期，而乌克兰对俄罗斯炼油厂的袭击加剧了地缘政治风险。受供应因素和从俄罗斯到加沙的地缘政治担忧的影响，美国原油价格进一步突破每桶80美元，达到11月初以来的最高水平。这使得油价同比涨幅达到22%，这是自2022年12月以来的最快年涨幅。随着俄罗斯周末选举结果在意料之中，弗拉基米尔·普京(Vladimir Putin)对权力长达25年的掌控进一步收紧，乌克兰对该国炼油厂的持续攻击也在边际上影响着能源市场。

厉害啦2024-03-18

GTC英伟达大会利好加密AI 牛市如何布局AI赛道

板块经历了一场过山车般的行情。周六，OpenAI董事会在推特上发布公告，宣布完成了由WilmerHale律师事务所进行的审查，并确认Sam Altman和Greg Brockman将继续领导OpenAI。受此消息影响，加密市场对AI板块的热情再度高涨。诸如Render（RNDR）、Fetch.ai（FET）、SingularityNET（AGIX）、Arkham（ARKM）等AI项目在24小时内涨幅均超过15%。作为创始人，Sam Altman领导的Worldcoin（WLD）再次创下历史新高，突破10美元，24小时涨幅超过40%。由于OpenAI推出的视频生成大模型Sora，去中心化流媒体平台LPT在短时间内涨幅超过了65%，短暂突破26美元。然而，尽管强势普涨引发了市场的期待，但AI板块在次日普遍出现了下跌。获利十倍大户抛售：市场剧烈波动的背后市场出现突然下跌，引发了社区的猜测。有人认为，可能是ARKM的大户qklpj.eth抛售获利导致了这一情况。根据社区讨论，qklpj.eth在过去八个月中一直持有ARKM，并在2023年11月以每枚0.386美元的价格将总值316万美元的1009万枚ARKM转入Binance。而上周末，ARKM的最高价达到了3.9美元。据余烬监测，3月2日，一新创建地址从Binance提出了价值超过700万美元的299万枚ARKM。这个地址的GAS来自于0x1729地址，而0x1729地址与qklpj.eth有关联。随后，疑似qklpj.eth的新地址（0x81DA）继续从Binance提出了价值250万美元的101万枚ARKM。在一天多的时间里，这个地址累计从Binance提出了价值超过千万美元的400万枚ARKM。在ARKM周六实现超过38%的涨幅后，qklpj.eth在周日将之前提出的400万枚ARKM转回了Binance。如果在那个时候出售，qklpj.eth通过这三笔跨越8天的交易将获利约280万美元。但这仅仅是他转出后再次转入的一部分仓位，qklpj.eth持有的ARKM总量为1009万枚，买入价格为0.386美元。如果在高点全部卖出，他的不到400万美元的成本将为他带来近4000万美元的收益。 2.英伟达收盘跌超 5% 除了大户砸盘，英伟达股票在上周末的大跌也是一个解释。上周五，英伟达盘中上涨超过5%，但收盘股价下跌了5.6%，创下自去年5月31日以来的最大单日跌幅。据报道，这一单日跌幅还导致英伟达市值蒸发了约1300亿美元，堪称美股历史上最大的单日市值蒸发之一。目前，加密领域的AI项目的发展叙事与科技界对英伟达芯片优势的看好密不可分。然而，就像"母题"（指英伟达）一路上涨后忽然遭遇大跌一样，这种震撼自然也会传递到AI板块。幸运的是，昨日Sam重返OpenAI董事会，暂时缓解了跌势。来源：金色财经

金色财经2024-03-18

比英伟达表现更好？这家公司“闷声发大财”！

伟达芯片成为驱动这场热潮的关键引擎，为OpenAI的ChatGPT等复杂系统提供必要的强大计算力。能够迅速、大量交付这类芯片服务器的制造商获得竞争优势，而超微计算机凭借其靠近英伟达总部的优势，双方工程团队得以全天候紧密协作。业界观察家和分析师指出，超微计算机在AI热潮中取得主导地位的原因之一在于其采用电子“构建模块”策略，能组装出多样化的服务器配置方案，相比竞品的选项更为丰富灵活。这种灵活性使得超微计算机能为自动驾驶和AI语言生成系统的开发者提供定制化基础设施，满足各自不同的需求。面对激烈竞争，超微计算机在定制服务器的速度上保持领先。其拥有的超过10亿美元库存有助于在AI芯片严重短缺时，持续获取大量英伟达高端芯片。 Liang曾在一场活动中展示即将上市的AI服务器，其上市时间直接关联到英伟达芯片的供应情况，体现了对芯片需求的紧迫性。随着业务扩张，超微计算机需要融资采购单价高达25000美元的芯片。为此，该公司上个月通过发行可转换债券筹资15亿美元，并在三个月前通过股票发行增加6亿美元现金储备。 Liang强调：“我们亟需更多资金以应对市场需求的强劲增长”，并表示这笔资金还将用于强化供应链体系。为了满足不断增长的需求，超微计算机正在美国圣何塞、中国台湾和马来西亚等地扩增产能。Liang正立下目标，计划在今年中期达到每月生产5000个机架服务器，其中超过一半产品服务于AI领域。据他透露，目前的制造扩张足以让公司年潜在收入突破250亿美元，相较于最新季度数据这意味着年销售额将增长约100亿美元。尽管股价飙升，超微计算机的前景依旧光明，但它也曾遭遇一系列挑战，包括2017年内部审计引发的财务报表修正事件及其首席财务官和一位联合创始人的辞职，以及2020年SEC对其前CFO提出的会计违规指控和后续的和解协议。 Liang表示，这些问题已经成为过去，现在公司专注于在AI计算市场份额的竞争中保持领先地位，尽管戴尔科技和惠普企业等竞争对手拥有更多的员工和更高的年营收。 AMD预测到2027年AI加速器市场规模将达到4000亿美元，服务器需求也将相应增加。超微计算机最新季度报告显示，其面向AI优化的服务器销售额占比超过总收入的50%，远高于戴尔和惠普企业在此类服务器上的出货量。针对超微计算机能否持久保持市场地位的问题，分析师意见不一。Wedbush分析师Matt Bryson指出历史上从未有服务器销售商占据超过30%的市场份额，他认为戴尔等竞争对手同样可能复制超微计算机的成功路径。然而，其他分析师持不同看法，认为传统竞争对手难以像超微计算机那样迅速推出新产品，并且这些竞争对手往往拥有更大规模的软件和服务收入来源。超微计算机正通过加倍投资AI和维持快速发货服务器策略来争取更多市场份额，同时通过保持较低价格吸引新客户，尽管此举使其最新季度的毛利润降至15%，低于上一季度的17%，但仍比惠普企业同期36%的毛利润率要低。首席财务官David Weigand在年初的财报电话会议中表示：“我们将通过更激进的价格策略来抓住抢占市场。”

金融界2024-03-18

苹果据悉与谷歌商谈以允许Gemini为iPhone提供人工智能功能支持

功能提供支持。知情人士称，苹果近期还与OpenAI进行了讨论，并考虑使用其模型。如果苹果和谷歌之间的协议取得成果，它将在原有基础上进一步扩展两家公司的搜索合作伙伴关系。Alphabet Inc．旗下谷歌每年向苹果支付数十亿美元，让其搜索引擎成为iPhone和其他设备上Safari网络浏览器的默认选项。知情人士称，双方尚未确定人工智能协议的条款或品牌，也没有敲定协议如何实施。这一协议将使Gemini在拥有数十亿潜在用户方面获得关键优势。但这也可能表明苹果在人工智能方面的努力并没有像一些人所希望的那么远，协议可能招致对两家公司的进一步反垄断审查。苹果正在准备基于自己的人工智能模型的新功能，作为iOS 18的一部分。但这些增强将侧重于在其设备上运行的功能，而不是通过云提供的功能。因此，苹果正在寻找合作伙伴来承担生成式人工智能的重任，包括根据简单提示创建图像和撰写文章的功能。苹果和谷歌的发言人不予置评。OpenAI没有立即回应置评请求。

金融界2024-03-18

涨停复盘：年内新高，剑指3100点！低空经济继续发酵，机器人、医药、新能源车等板块大涨，苹果大消息引爆AI手机板块

神经网络：Figure发布了自己第一个OpenAI大模型加持的机器人demo，展示效果惊艳，能对话、思考、学习。汽车产业链：商务部将加大财政金融支持力度，深入开展汽车以旧换新；针对三家中央汽车企业的新考核办法正在讨论中，预计很快便会下发。周末电动百人会引发关注。存储：三星电子将与主要手机、PC和服务器客户重新谈判价格，预计将推动NAND闪存价格上涨15%~20%。 AI手机：知情人士透露，苹果正在谈判将谷歌的Gemini人工智能引擎植入iPhone，这为一项将撼动人工智能行业的重大协议奠定了基础。券商：证监会连续发声，支持头部券商做大做强、打造一流投资银行。六、市场情绪

金融界2024-03-18

Metrics Ventures研报：从Vitalik文章出发 Crypto×AI有哪些值得关注的细分赛道？

论述，本轮Arkham受到关注的原因为OpenAI创始人Sam Altman对其的个人投资，过去30天收获5倍涨幅。 GraphLinq：GraphLinq是一种自动化流程管理解决方案，旨在使用户无需编程即可部署和管理各种类型的自动化功能，如将Coingecko中比特币的价格每隔5分钟推送至TG Bot中。GraphLinq的解决方案是用Graph将自动化流程可视化，用户可以通过拖拽节点的方式创建自动化任务，并使用GraphLinq Engine执行。尽管不需要代码，但创建Graph的过程对普通用户来说依然有一定门槛，包括选择合适的模板、在几百个逻辑块中挑选合适的并连接。因此GraphLinq正在引入AI，使用户可以用对话式人工智能和自然语言，来完成自动化任务的构建和管理。 **0x0.ai：**0x0与AI相关的业务主要有三个：AI智能合约审计、AI反Rug检测和AI开发者中心。其中AI反Rug检测将检测可疑行为，如过高税收或抽走流动性，防止用户受骗，AI开发者中心利用机器学习技术生成智能合约，实现No-code部署合约。但目前仅初步上线了AI智能合约审计，其他两项功能尚未开发完成。 Zignaly：Zignaly诞生于2018年，旨在让个人投资者能够选择基金经理来为自己进行加密资产管理，类似Copy-trading的逻辑。Zignaly正在使用机器学习和人工智能技术，建立起对基金经理进行系统评估的指标体系，目前推出的第一个产品为Z-Score，但作为人工智能产品来说还是比较初级。 4 AI作为游戏规则这是最令人激动的部分——让AI能够代替人类进行决策和行为，你的AI将直接掌控你的钱包，代替你进行交易决策和行为。在这一分类下，笔者认为主要可以分为三个层级：AI应用（尤其是以自主决策为愿景的应用，如AI自动化交易bot、AI DeFi收益Bot）、Autonomous Agent协议以及zkml/opml。 AI应用是对某一领域的问题进行具体决策的工具，它们积累了不同细分领域的知识和数据，依赖于根据细分问题而量身定制的AI Model开展决策。可以注意到，AI应用在本文中被同时归入两类：接口与规则，从开发愿景来说，AI应用应成为独立决策的Agent，但目前无论是AI模型的有效性、集成AI的安全性，都无法满足这一要求，甚至作为接口都略微勉强，AI应用正处于非常早期的阶段，具体项目在前文已有介绍，在此不做赘述。 Autonomous Agent被V神在第一类（AI作为参与者）中提及，从远期愿景来说，本文将其归为第三类。Autonomous Agent利用大量数据和算法来模拟人类的思维和决策过程，并执行各种任务和交互。本文主要关注Agent的通信层、网络层等基础设施，这些协议定义了Agent的归属权，建立了Agent的身份、通信标准和通信方式，连接多个Agent应用，能够协同进行决策和行为。 zkML/opML：通过密码学或经济学的方法，保证经过了正确的模型推理过程而提供具有可信性的输出。安全性问题对于将AI引入智能合约非常致命，智能合约依靠输入产生输出并自动化执行一系列功能，一旦AI作恶给予了错误的输入，将会为整个Crypto系统引入极大的系统性风险，因此zkML/opML和可能的一系列潜在解决方案，都是让AI进行独立行动和决策的基础。最后，三者构成AI作为运行规则的三个基础层次：zkml/opml作为最底层的基础设施，保证协议的安全性；Agent协议建立起Agent生态系统，能够协同进行决策和行为；AI应用，也是具体的AI Agent，将不断提高在某一领域的能力，并实际进行决策和行动。 4.1 Autonomous Agent AI Agent在Crypto世界的应用是自然的，从智能合约到TG Bots再到AI Agents，加密世界正走向更高的自动化和更低的用户门槛。智能合约虽然是通过不可篡改的代码自动执行功能，但仍需要依赖外部触发而唤醒，且无法自主运行和连续运行；TG Bots降低了用户门槛，用户不需要直接与加密前端交互，而是通过自然语言完成链上交互，但只能完成极为简单和具体的任务，依然无法实现用户意图为中心的交易；AI Agents则具备一定的独立决策能力，理解用户的自然语言，并自主找到和组合起其他的Agent和链上工具，完成用户指定的目标。 AI Agent正在致力于大幅提高加密产品的使用体验，而区块链也能够助力AI Agent的运行更加去中心化、透明和安全，具体的帮助在于：通过代币激励更多的开发者提供Agent NFT确权促进基于Agent的收费与交易提供链上的Agent身份和注册机制提供不可篡改的Agent活动日志，对其行为进行及时的溯源和追责这一赛道的主要项目如下： Autonolas：Autonolas通过链上协议支持Agent和相关组件的资产确权和可组合性，使代码组件、Agent和服务能够在链上被发现和重复利用，并激励开发者获得经济补偿。开发者开发了完整的Agent或组成部分后，将对代码进行链上注册并获得NFT，代表对代码的所有权；Service Owner会联合多个Agent创建一个服务并在链上注册，并吸引Agent Operators来实际执行服务，用户通过付费使用服务。 Fetch.ai：Fetch.ai在AI领域具有很强的团队背景和开发经验，目前正在关注AI Agent赛道。协议由四个关键层组成：AI Agents、Agentverse、AI Engine和Fetch Network。AI Agents是系统的核心，其他则为辅助构建Agent服务的框架和工具。Agentverse是一个软件即服务平台，主要用于创建和注册AI Agent。AI Engine的目标是通过读取用户自然语言输入，将其转换为可操作的人物，并在Agentverse中选择已注册的最合适的AI Agent来执行任务。Fetch Network是协议的区块链层，AI Agent必须在链上的Almanac合约中注册，才能与其他Agent开始协同服务。值得注意的是，Autonolas目前专注于crypto世界的Agent构建，将链下的Agent操作引入链上；Fetch.ai的关注范围则包括Web2世界，如旅行预订、天气预测等。 Delysium：Delysium从游戏转型为AI Agent协议，主要包括两个层：通信层和区块链层，通信层是Delysium的主干，提供安全且可扩展的基础设施，使得AI Agent之间能够快速高效的通信，区块链层对Agent进行身份验证，并通过智能合约实现对Agent行为的不可篡改记录。具体来说，通信层为Agent之间建立了统一的通信协议，采用标准化的消息系统，让Agent之间可以通过一种通用语言无障碍地交流，此外建立了服务发现协议和API，使得用户和其他Agent能够快速发现和连接可用的Agent。区块链层主要包括两个部分：Agent ID和Chronicle智能合约，Agent ID确保只有合法的Agent才能访问网络，Chronicle则是Agent做出的所有重要决策和行为的日志存储库，上链后不可篡改，确保对Agent行为的可信追溯。 Altered State Machine：通过NFT为Agent的资产确权和交易制定了标准，具体分析可见第1部分，虽然ASM目前主要接入游戏，但其作为基础性的规范同样具有向其他Agent领域扩展的可能。 Morpheous：正在构建一个AI Agent生态网络，协议旨在连接Coder、Computer provider、Community Builder和Capital四种角色，分别为网络提供AI Agent、支持Agent运行的算力、前端和开发工具以及资金，MOR将采取Fair launch的形式，向提供算力的矿工、stETH质押者、Agent或智能合约开发贡献者、社区开发贡献者提供激励。 4.2 zkML/opML 零知识证明目前有两个主要应用方向：以更低的成本在链上证明运算得到了正确的运行（ZK-Rollup和ZKP跨链桥正在利用ZK的这一特点）；隐私保护：不需要知道计算的细节，也可以证明计算得到了正确的执行。同样地，ZKP在机器学习中的应用同样可以被分为两类：推理验证：即通过ZK-proof，在链上以较低的成本证明AI模型推理这一密集计算的过程在链下得到了正确的执行。隐私保护：又可以分为两类，一是对数据隐私的保护，即在公开的模型上使用隐私数据进行推理，可以利用ZKML对隐私数据进行保护；二是对模型隐私的保护，希望隐藏模型的权重等具体信息，从公开的输入中运算并得出输出结果。笔者认为目前对Crypto更为重要的是推理验证，我们在此对推理验证的场景进行进一步阐述。从AI作为参与者开始，到AI作为世界的规则，我们希望将AI成为链上流程的一部分，但AI模型推理计算成本过高，无法直接在链上运行，将这一过程放到链下，意味着我们需要忍受这一黑盒子带来的信任问题——AI模型运行者是否篡改了我的输入？是否使用了我指定的模型进行推理？通过将ML模型转化成ZK电路，可以实现：（1）较小的模型上链，将小的zkML模型存储到智能合约中，直接上链解决了不透明的问题；（2）在链下完成推理，同时生成ZK证明，通过在链上运行ZK证明来证明推理过程的正确性，基础架构将包括两个合约——主合约（使用ML模型输出结果）和ZK-Proof验证合约。 zkML还处于非常早期的阶段，面临着ML模型向ZK电路转化的技术问题，以及极高的运算和密码学开销成本。和Rollup的发展路径一样，opML从经济学的角度出发，成为了另一种解决方案，opML使用Arbitrum 的 AnyTrust 假设，即每个主张至少有一个诚实节点，确保提交者或至少一个验证者是诚实的。但OPML只能成为推理验证的替代方案，无法实现隐私保护。目前的项目正在构建zkML的基础设施，并在努力探索其应用，应用的建立同样重要，因需要清楚地向加密用户证明zkML中重要作用，证明最终价值能够抵消巨大成本。在这些项目中，有些专注于与机器学习相关的ZK技术研发（如Modulus Labs），有些则是更通用的ZK基础设施搭建，相关项目包括： Modulus 正在使用 zkML 将人工智能应用于链上推理过程。Modulus于2月27日推出了zkML证明器Remainder，与同等硬件上的传统AI推理相比，实现了180倍的效率提升。此外，Modulus与多个项目合作，探索zkML的实际用例，如与Upshot合作，通过使用具有ZK证明的人工智能，收集复杂的市场数据、评估NFT价格，并将价格传到链上；与AI Arena合作，证明正在战斗的Avatar和玩家所训练的是同一个。 Risc Zero将模型放在链上，通过在 RISC Zero 的 ZKVM 中运行机器学习模型，可以证明模型涉及的确切计算是正确执行的。 Ingonyama正在开发专门用于 ZK 技术的硬件，这可能降低了进入 ZK 技术领域的门槛，并且 zkML 也有可能用于模型训练过程。 5 AI作为目标如果说前面三类更侧重于AI如何赋能于Crypto，那么“AI作为目标”强调了Crypto对AI的帮助，即如何利用Crypto创造出更好的AI模型和产品，这或许包括多个评判标准：更高效、更精确、更去中心化等等。 AI包括三个核心：数据、算力和算法，在每一个维度，Crypto都在致力于为AI提供更有效的助力：数据：数据是进行模型训练的基础，去中心化数据协议将激励个人或企业提供更多私域数据，同时利用密码学保障数据隐私，避免个人敏感数据的泄露。算力：去中心化算力赛道是目前最火热的AI赛道，协议通过提供供需双方的匹配市场，促进长尾算力与AI企业的匹配，用于模型的训练和推理。算法：Crypto对算法的赋能是实现去中心化AI最核心的环节，也是V神文章中“AI作为目标”叙述的主要内容，创建去中心化的、可信任的黑匣子AI，那么前文所说的对抗式机器学习的问题则将得到解决，但将面临极高的密码学开销等一系列阻碍。此外，“使用加密激励来鼓励制作更好的AI”也可以在不完全陷入密码学完全加密的兔子洞的情况下实现。大型科技公司对数据和算力的垄断共同造成了对模型训练过程的垄断，闭源模型成为大型企业获利的关键。从基础设施的角度，Crypto通过经济手段激励数据和算力的去中心化供应，同时通过密码学的方法保证过程中的数据隐私，并以此为基础助力于去中心化的模型训练，以实现更透明、更去中心化的AI。 5.1 去中心化数据协议去中心化数据协议主要以数据众包的形式开展，激励用户提供数据集或数据服务（如数据标注）用于企业进行模型训练，并开设Data Marketplace促进供需双方的匹配，一些协议也正在探索通过DePIN激励协议，获取用户的浏览数据，或利用用户的设备/带宽完成网络数据爬取。 Ocean Protocol：对数据确权并代币化，用户可以通过无代码方式在Ocean Protocol完成对数据/算法的NFT创建，同事创建相应的datatoken来控制对数据NFT的访问。Ocean Protocol通过Compute To Data（C2D）来确保数据的隐私性，使用者只能获得根据数据/算法的输出结果，而无法完整下载。Ocean Protocol于2017年成立，作为数据市场，在本轮热潮中很自然地搭上了AI的快车。 Synesis One：该项目是Solana上的Train2Earn平台，用户通过提供自然语言的数据和数据标注来获取$SNS奖励，用户通过提供数据支持挖矿，数据在验证后会进行存储和上链，并由AI公司用来训练和推理。具体来说，挖矿者分为三类：Architect/Builder/Validator，Architect负责创建新的数据任务，Builder在相应的数据任务中提供语料，Validator则对Builder提供的数据集进行验证。完成的数据集会被存入IPFS中，并在链上保存数据来源和IPFS地址们同事会被存储在链下的数据库中供AI公司（目前为Mind AI）使用。 Grass：被称为AI的去中心化数据层，本质上是一个去中心化网络抓取市场，并以此获得数据来用于AI模型训练。互联网网站是一个重要的AI训练数据来源，包括推特、谷歌、Reddit在内的许多网站的数据都具有重要价值，但这些网站正在不断对数据爬取加以限制。Grass利用个人网络中未使用的带宽，通过使用不同的IP地址来减少数据封锁带来的影响，来抓取公共网站中的数据，完成数据初步清理，成为AI模型训练企业和项目的数据源。目前Grass正处于Beta测试阶段，用户可提供带宽获取积分以领取潜在空投。 AIT Protocol：AIT Protocol是去中心化数据标注协议，旨在为开发者提供高质量数据集用于模型训练。Web3使得全球劳动力能够快速接入网络，并通过数据标注获得激励，AIT的数据科学家将对数据进行预标注，随后由用户进行进一步处理，经过数据科学家检查后，通过质量检测的数据将提供给开发者。除了上述数据提供和数据标注协议，曾经的去中心化存储类基础设施，如Filecoin、Arweave等也将为更分散化的数据供给助力。 5.2 去中心化算力 AI时代，算力的重要性不言而喻，不仅英伟达的股价日攀高峰，在Crypto世界，去中心化算力可以说是AI赛道炒作最热烈的细分方向——在市值前200的11个AI项目中，做去中心化算力的项目就有5个（Render/Akash/AIOZ Network/Golem/Nosana），并在过去几个月中收获了高倍涨幅。在小市值的项目中也看到许多去中心化算力的平台出现，虽然刚刚起步，但伴随着英伟达大会的浪潮，只要是与GPU沾边，都快速收获了一波大涨。从赛道特点来看，这一方向项目的基本逻辑高度同质化——通过代币激励使得拥有闲置算力资源的人或企业提供资源，并由此大幅降低使用费用，建立起算力的供需市场，目前，主要的算力供应来自于数据中心、矿工（尤其在以太坊转为PoS后）、消费级算力以及与其他项目的合作。虽然同质化，但这是一个头部项目拥有较高护城河的赛道，项目的主要竞争优势来源于：算力资源、算力租赁价格、算力使用率以及其他技术优势。这一赛道的龙头项目包括Akash、Render、io.net和Gensyn。根据具体业务方向，项目可以被粗分为两类：AI模型推理和AI模型训练。由于AI模型训练对算力和带宽的要求远高于推理，比分布式推理的落地难度更大，且模型推理的市场快速扩展，可预测的收入将在未来大幅高于模型训练，因此目前绝大多数项目主攻推理方向（Akash、Render、io.net），主攻训练方向的龙头即为Gensyn。其中，Akash和Render诞生较早，并非是为AI计算而生，Akash最初用于通用计算，Render则主要应用于视频和图片渲染，io.net则为AI计算专门设计，但在AI将算力需求提升了一个Level后，这些项目都已倾向于AI方面的开发。最为重要的两个竞争指标依然来自于供应端（算力资源）和需求端（算力使用率）。Akash拥有282个GPU和超过2万个CPU，已完成16万次租赁，GPU网络的利用率为50-70%，在这一赛道是一个不错的数字。io.net拥有40272个GPU和5958个CPU，同时拥有Render的4318个GPU和159个CPU、Filecoin的1024个GPU的使用许可，其中包括约200块H100和上千块A100，目前已完成推理151,879次，io.net正在用极高的空投预期吸引算力资源，GPU的数据正在快速增长，需要等代币上线后对其吸引资源的能力重新评估。Render和Gensyn则并未公布具体数据。此外，许多项目正在通过生态合作来提高自己在供应与需求端的竞争力，如io.net采用Render和Filecoin的算力来提高自己的资源储备，Render建立了计算客户端计划（RNP-004），允许用户通过计算客户端——io.net、Nosana、FedMl、Beam，来间接接入Render的算力资源，从而快速从渲染领域过渡到人工智能计算。此外，去中心化计算的验证依然是一个问题——如何证明拥有算力资源的工作者正确地执行了计算任务。Gensyn正在尝试建立这样一个验证层，通过概率学习证明、基于图的精确定位协议以及激励来保证计算的正确性，其中的验证者和举报者共同对计算进行检查，因此Gensyn除了为去中心化训练提供了算力支持，其建立的验证机制也具有独特价值。位于Solana上的计算协议Fluence同样增加了对计算任务的验证，开发人员可以通过检查链上提供商发布的证明来验证其应用程序是否按预期运行以及计算是否正确执行。但现实的需求依然是”可行“大于”可信“，计算平台必须首先具有足够的算力才有竞争的可能，当然对于出色的验证协议来说，可以选择接入其他平台的算力，成为验证层和协议层来发挥独特作用。 5.3 去中心化模型距离Vitalik所描述的终极场景（下图所示）还非常遥远，我们目前还无法实现通过区块链和加密技术创建一个可信任的黑盒AI，来解决对抗性机器学习的问题，将数据训练到查询输出的整个AI运行过程进行加密处理是一笔非常大的开销。但目前正在有项目尝试通过激励机制创建更好的AI模型，首先打通了不同模型之间封闭的状态，创造了模型之间相互学习、协作和良性竞争的格局，Bittensor是其中最具代表性的项目。 Bittensor：Bittensor正在促进不同AI模型之间的组合，但值得注意的是，Bittensor本身不进行模型的训练，而是主要提供AI推理的服务。Bittensor的32个子网专注于不同的服务方向，如数据抓取、文本生成、Text2Image等，在完成一项任务时，分属不同方向的AI模型可以相互协作。激励机制促进了子网之间、以及子网内部的竞争，目前奖励以每块1个TAO的速度发放，每日总计发放约7200个TAO代币，SN0（根网络）中的64个验证器根据子网性能，决定了这些奖励在不同子网之间的分配比例，子网验证器则通过对矿工的工作评价，决定在不同矿工之间的分配比例，由此表现更好的服务、表现更好的模型获得更多激励，促进了系统整体推理质量的提高。 6 结语：MEME炒作还是技术革命？从Sam Altman动向带来ARKM和WLD的价格疯涨，到英伟达大会带飞一系列参会项目，很多人正在对AI赛道的投资理念发生调整，AI赛道究竟是MEME炒作还是技术革命？除了少数名人题材（比如ARKM和WLD），AI赛道整体更像是”以技术叙事为主导的MEME“。一方面，Crypto AI赛道的整体炒作一定是与Web2 AI的进展紧密挂钩的，OpenAI为首的外部炒作将成为Crypto AI赛道的导火索。另一方面，AI赛道的故事依然以技术叙事为主，当然，这里我们强调的是”技术叙事“而非”技术“，这就使得对AI赛道细分方向的选择和项目基本面的关注依然重要，我们需要找到有炒作价值的叙事方向，也需要找到有中长期竞争力和护城河的项目。从V神提出的四类结合可能中，可以看到的是叙事魅力和落地可能性的相互权衡。在以AI应用为代表的第一类和第二类中，我们看到了许多GPT Wrapper，产品落地快但业务同质化程度也较高，先发优势、生态系统、用户数量和产品收入则成为同质化竞争中可讲的故事。第三类和第四类代表着AI与Crypto结合的宏大叙事，如Agent链上协作网络、zkML、去中心化重塑AI，都处于早期阶段，具有技术创新的项目将会快速吸引资金，即使只是很早期的落地展示。来源：金色财经

金色财经2024-03-18

24小时热点